基于文本信息考虑投资者情绪的均值回归策略设计——以东方财富股吧发帖文本和A股市场为例

在当前互联网时代下,越来越多的文本信息为人们所认识。借助机器学习等技术工具,目前已能较为便捷地从海量的文本数据中挖掘出与投资者行为、情绪有关的信息。基于此,本研究探讨了利用文本信息刻画投资者情绪,并对仅利用价格信息的均值回归策略进行改进。利用东方财富股吧中发帖内容等文本数据构建投资者情绪指标,结合非理性投资行为的特征,设计新的权重转移方程,得到新的均值回归策略。最后,利用部分沪深300成分股的价格数据和股吧文本数据进行实证检验,结果表明:相比于仅利用价格信息刻画均值回归特征的策略,本研究提出的考虑投资者情绪的策略有更好的收益表现。

基于文本情感的投资者情绪与股指关系研究

为了研究我国散户投资者情绪与股指之间的相互关系,以东方财富网"上证指数"股吧的用户发帖为样本数据,利用Bi-LSTM模型对发帖内容进行文本情感分类,在此基础上设计投资者直接情绪指标,并结合间接情绪指标构建新的综合投资者情绪指数.利用近5年的数据进行实证检验,结果表明,散户投资者的情绪与股指之间存在着长期、正向且增强的相互作用,投资者情绪受到股指的影响要大于其对股指施加的影响.研究结果证明,同时包含直接情绪因素和间接情绪因素的情绪指数,会有更好的股指拟合效果.

网络社交媒体中投资者情绪对股票市场的影响研究

行为金融学理论表明投资者情绪会在一定程度上影响投资者决策并进一步影响股价走势。基于互联网社交媒体及网络投票信息,通过爬取新浪股吧及新浪财经多空调查数据,利用文本分析及机器学习算法,构建了一个较为严谨准确的互联网投资者情绪指标,并与同期上证指数进行实证分析及Granger因果检验。研究表明:互联网投资者情绪是证券市场收益率的Granger原因,即投资者情绪有助于预测下一期股市涨跌,但仅在短期内有效;其次,互联网投资者情绪也是证券市场成交量的Granger原因,且对成交量的影响时间通常超过10期,长于对收益率的影响时间;此外,引入投资者情绪后的FF四因子模型对投资组合收益率的拟合效果要优于传统三因子模型。

投资者情绪与证券投资收益:机器学习对网络社交媒体的文本分析

本文研究投资者有关个股的情绪对股票收益的预测价值。我们通过网络爬虫收集了线上投资者论坛中有关上证50指数成分股在2019—2023年的700多万条评论信息,通过自然语言处理进行情感分类,从而构建了关于每只股票的周度投资者情绪指数。研究发现,投资者看涨情绪指数和关注度指数对于短期股价变化具有显著的预测能力,并且基于这两个因子所构建的量化投资策略能够获得明显超额收益。因而,在考察投资者情绪的效应时,研究者不仅要考虑到整体市场情绪,还应该关注投资者有关个股情绪的异质性。这些发现提供了有效市场理论的反面证据。

投资者文本情绪、文本异质信念与市场崩盘风险

区别于个股崩盘风险,在投资者情绪和异质信念急骤变化的情景下,市场崩盘风险更具有毁灭性,防范市场崩盘风险已成为政府和监管部门关注的热点问题。然而,当前学者重点关注个股崩盘风险及其影响因素,对投资者情绪和异质信念影响市场崩盘风险的研究较为匮乏。利用2015年1月1日至2019年8月27日东方财富网上证综指股吧评论大数据,通过机器学习优化方法,提取针对上证市场走势的投资者情绪和异质信念直接指标,即投资者文本情绪和文本异质信念。检验投资者情绪和异质信念直接指标与间接指标的相关性,分析投资者文本情绪和文本异质信念的相对优越性。检验投资者情绪和异质信念直接指标与市场惯性、波动率、流动性等市场微观结构变量的紧密关系,论证投资者文本情绪和文本异质信念对市场崩盘风险的影响和内在机制。研究结果表明,(1)投资者文本情绪和文本异质信念比传统间接指标具有更多的私有信息和更好的市场拟合度。(2)投资者文本情绪与累计收益率正相关,与收益率波动率和非流动性负相关;投资者文本异质信念与累计收益率负相关,与收益率波动率和非流动性正相关。(3)投资者文本情绪和文本异质信念利用微观结构变量的变化作用于交易型开放指数基金,进而影响市场崩盘风险。当投资者文本情绪低且文本异质信念高时,市场惯性效应变弱,波动率和流动性成本升高,投资者增加交易型开放指数基金的赎回行为,促使基金为持有更多现金而被动卖出大量市场权重股,向下崩盘风险的可能性上升。反之,向上崩盘风险的可能性上升。研究结果丰富了关于市场崩盘风险影响因素和机制的研究,抑制羊群行为和过度波动、提升市场流动性是管控投资者情绪和异质信念的重要途径,加强对主动型机构投资者的培育,限制被动型基金的交易规模和市场份额,引入基于交易型开放指数基金的金融衍生品,以切断发生市场崩盘风险的机制,对防范市场系统性风险具有重要的政策启示。

文本大数据分析在经济学和金融学中的应用:一个文献综述

本文对文本大数据分析在经济学和金融学中的应用进行综述。文本大数据具有来源多样化、数据量增长快和高频等特征,为经济学和金融学研究提供了新的分析视角。本文梳理了文本大数据的信息提取步骤,总结了词典法、机器学习方法和深度学习方法的实现原理和技术特点,并对文本大数据在经济学和金融学中的应用研究的数据来源、处理方法和实证结果进行了全面梳理。本文还讨论了基于文本大数据的实证分析的新特征和未来研究趋势。

个股投资者情绪与股票收益率的关系——基于股评信息视角的研究

基于东方财富网股吧中单只股票的股评信息采用文本挖掘法建立个股投资者情绪指数,探讨个股投资者情绪与股票收益率的关系,并进一步探讨市值大小不同、行业不同以及市态不同的情况下个股投资者情绪与股票收益率关系的异质性.实证结果表明:个股投资者情绪对股票收益率存在着显著的正向影响且影响周期较短,股票收益率也会引起个股投资者情绪正向变动但具有一定的时滞;公司流通市值越大,个股投资者情绪和股票收益率的相互影响程度越小;个股投资者情绪与不同行业股票收益率变动的关系存在异质性,行业内竞争程度越高,个股投资者情绪与股票收益率变动的相互影响程度越小;相比牛市来说,熊市中个股投资者情绪与股票收益率的相互影响更显著.